Una aplicación econométrica en los impactos del uso de dinero móvil entre los hogares de los pequeños productores agrícolas.

Los últimos adelantos de la ciencia en telecomunicaciones han desarrollado un sistema

de transacciones en el mercado financiero móvil utilizando teléfonos móviles basado

en dinero los servicios se han propagado rápidamente en muchos países en desarrollo.

Analizamos micro impactos en niveles utilizando los datos de panel de los pequeños

agricultores en Kenia. Uso de dinero móvil tiene un gran impacto neto positivo sobre el

ingreso de los hogares. Una vía importante a través de las remesas, que contribuyen a

los ingresos no solo directamente sino que también ayudan a reducir las limitaciones

de riesgo y liquidez, por lo tanto promueve la comercialización Agropecuaria.

Utilizaremos un modelo probit porque es de elección discreta y mide los impactos de

una u otra variable en el modelo como la característica que puede influir en la decisión

de usar dinero móvil entre los usuarios.

OBJETIVO

Lo principal de esta sección es analizar los impactos del uso de dinero móvil entre los

hogares de los pequeños productores agrícolas. Como se mencionó, servicios de

dinero móvil se han extendido rápidamente en Kenia durante los últimos años. Sin

embargo, no todos los hogares utilizan dinero móvil, por lo que una primera pregunta

de interés es en cuanto y qué factores influyen en la adopción de esta innovación.

Esto se analiza con un modelo probit:

MM ¿=α +β X ¿+δ T t+ϵ¿

donde la variable dependiente es MMit que toma un valor de uno si el hogar a utilizado

servicios de dinero móvil en el año t y cero en caso contrario. X it es una característica

que puede influir en la decisión de usar dinero móvil; algunas de estas características

pueden variar con el tiempo, mientras que otros son tiempo invariante. T t es una

varable dummy de control, Eit y es un término de error aleatorio con una distribución

normal estándar. Para analizar los impactos que utilizamos un conjunto diferente de

los paneles:

Y ¿=θ+γ MM ¿+φ Z¿+ρ T t+μ¿

Dónde Yit está la variable de resultado continuas de interés (por ejemplo, ingresos, las

remesas recibidas). En estos modelos, MMit se utilizan como tratamiento simulado.

Una estimación positiva y significativa para el coeficiente indicaría que el uso de dinero

móvil aumenta el valor de la variable de resultado, mientras que controlar Z it por otros

factores es un vector de covariables relevantes, que pueden incluir factores tanto

tiempo-variante y tiempo-invariante. Una vez más, incluimos un año al T it control por

hemos fijado. uit es el error aleatorio, que incluye incumplidos efectos individuales que

pueden ser constantes o también tiempo-variante.

La ecuación (2) puede estimarse con un estimador de efectos aleatorios (RE). Sin

embargo, MMit puede potencialmente ser correlacionado con el término de error

debido a la heterogeneidad inobservable entre dinero móvil los usuarios y no usuarios.

a) Variables independientes y dependiente

Para los modelos de impacto, la variable de resultado principal de interés es el ingreso

total del hogar, que se calcula como la suma de todas las ganancias netas de fuentes

en la granja y fuera de la finca. Las remesas son incluidas como fuente de ingresos

agrícolas uno en los cálculos del ingreso total del hogar.

Para estimar el impacto de dinero móvil sobre el uso de insumos agrícolas y salida de

ventas nos concentramos en el cultivo de plátano.

La tabla 1 muestra cómo utilizan el teléfono móvil y dinero móvil desarrollado durante

el período 2009-2010 la encuesta panel. En 2010, el 93% de los hogares de la muestra

de propiedad por lo menos un teléfono móvil, que subió de 86% en 2009. La diferencia

entre las dos encuesta rondas era mucho más fuerte para el uso de servicios de dinero

móvil, que aumentó de 60% en 2009 a 91% en 2010.

Tabla 1. Uso de teléfonos móviles y dinero móvil entre los hogares de la muestra

2009 2 0 1 0

V a ria b le M ea n Std. D e v . M ea n Std. D e v .

Proporción de propietarios de teléfonos móviles 0 .8 6 0 .3 5 0 .9 3 * * * 0 .2 6

Proporción de usuarios de dinero móvil 0 .6 0 0 .4 9 0 .9 1 * * * 0 .2 8

Años poseer un teléfono móvil 3 .7 8 2 .9 2 4 .7 1 * * * 3 .0 2

Años usando dinero móvil 0 .9 4 0 .9 4 1 .8 5 * * * 1 .0 7

*** va lor m e d io e n tre 2 0 0 9 y 2 0 1 0 es s ig n ifica tiva m e n te d i fe re n te a l n iv e l d e l 1 % .

La figura 2 muestra qué actividades concretas para los hogares muestra utilizan

servicios de dinero móvil en 2010. Aproximadamente el 60% de los hogares declaró

que se retire dinero de su cuenta móvil, que puede ser propio ahorro depósitos de

dinero de las remesas, los pagos por los comerciantes, o también del anterior. En

efecto, sobre el 40% de los hogares declaró que usan sus cuentas de dinero móvil

como herramienta de ahorro. Pero las familias no sólo reciben remesas; alrededor del

50% declaró que también enviaron dinero a otros parientes y amigos. Treinta y cinco

por ciento utiliza servicios móviles para transferir dinero a socios de negocios, tales

como distribuidores de entrada o trabajadores de granja, mientras que el 32%

manifestó que transfirieron dinero móvil para agua corriente o electricidad. Más del

40% de los hogares usa dinero móvil para comprar tiempo aire para su teléfono móvil.

Figura 2. Tipos de actividades realizadas con dinero móvil entre los hogares de la

muestra

Per

cen

t of h

ous

eh

old

s

70

60

50

40

30

20

10

0 W ithdraw

m oney

Save money Transfer

money to relatives and

friends

Transfer money to business partners

Pay bills Buy airtime Transfer

money to own bank account

(b) Descripciones estadísticas

La tabla 2 muestra los estadísticos descriptivos de las variables utilizadas en los

modelos econométricos. Para la comparación, distinguimos entre los usuarios y no

usuarios de servicios de dinero móvil. La parte superior de la tabla muestra las

variables de resultado para los modelos de evaluación de impacto. Las columnas de la

muestra colectiva, que cubre ambas rondas de encuesta, revelan que los usuarios

móviles de dinero tenían ingresos significativamente mayores que los no

consumidores. Los usuarios tenían un ingreso promedio anual de unos 283 mil chelines

kenianos (Ksh), que equivale a US$ 3435 por hogar, o unos 735 dólares per cápita. Los

usuarios no tenían un ingreso anual de Ksh 153 mil, equivalente a 1854 US$ por hogar,

o US$ 458 per cápita.

Variable MM users S D users

S D MM users S D users

S D MM users S D

Outcome var ia b les

Household income (000 K sh) 2 83 .3 5 * ** 228 .59 15 2 .98 14 2 .70 25 0 .17 *** 2 43 .14 13 8 .09 116 .30 305 .05 * 21 6 .23

Remittances (000 K sh ) 1 0 .91 48 .92 6 .6 7 21 .71 1 9 .52 ** 74 .00 6 .27 2 2 .05 5 .28 17 .55

Banana profit (000 K sh /a c re ) 11 0 .94 ** 124 .03 85 .65 99 .71 92 .5 1 * 94 .87 76 .05 68 .12 1 22 .99 138 .69

Proportion of banana sa les 0 .69 ** * 0 .38 0 .5 6 0 .27 0 .63** * 0 .25 0 .55 0 .27 0 .74 0 .43

Hired labor (000 K sh /ac re) 6 .36 ** * 12 .31 2 .9 5 13 .31 2 .3 7 5 .47 1 .5 1 4 .28 8 .97 14 .64

Organic fertilizer (000 K sh /ac re) 3 .54 ** * 8 .34 0 .9 4 3 .84 1 .6 3 6 .69 0 .73 4 .01 4 .78 * 9 .06

Mineral fertilizer (000 K sh /ac re) 4 .46 ** * 8 .29 1 .2 3 5 .42 0 .7 9 3 .68 0 .98 5 .85 6 .4 7 ** 9 .51

Pesticides (000 K sh /ac re ) 2 .08 ** * 4 .71 0 .3 3 1 .47 0 .2 8 1 .36 0 .24 1 .49 3 .2 6 ** 5 .66

Explanatory var iab les

Land owned (a c res) 3 .43 2 .96 3 .0 6 3 .09 3 .5 0 2 .86 3 .11 3 .18 3 .39 3 .03

Age of household head (yea rs) 5 8 .14 13 .30 61 .04 14 .45 58 .45 13 .45 59 .45 13 .97 57 .9 4 * ** 13 .22

Education (yea rs ) 8 .99 3 .88 6 .7 8 4 .10 9 .21** * 3 .95 7 .31 3 .93 8 .84 * ** 3 .83

Household size (m em b ers ) 4 .67 2 .07 4 .0 5 2 .07 4 .75 ** 1 .97 4 .29 2 .07 4 .63 * ** 2 .13

Male household head (dum m y) 0 .84 ** 0 .36 0 .77 0 .42 0 .8 5 0 .36 0 .7 9 0 .41 0 .8 4 ** 0 .37

Distance to banana market (k m ) 4 .26 3 .59 4 .2 4 3 .62 4 .2 8 3 .62 4 .2 1 3 .57 4 .24 3 .57

Distance to all-weather road (k m ) 3 .62 3 .79 3 .5 0 3 .84 3 .6 3 3 .74 3 .5 3 3 .92 3 .62 3 .64

High-potential area (dum m y) 0 .55 0 .50 0 .5 6 0 .50 0 .5 4 0 .50 0 .58 0 .50 0 .56 0 .50

Table 2. Descriptive statistics for variables used in econometric m o d e ls Pooled sample 2009 20 10

N on -

N on -

N on -

Notes: MM means mobile money; SD means standard devia t ion . *,**,*** mean value between MM users and non-users in the same period is significantly different at the 10%, 5%, and 1% level, respective ly.

La parte inferior de la tabla 2 muestra los estadísticos descriptivos de las variables

explicativas utilizadas en los modelos econométricos. La mayoría de los valores no es

significativamente diferente entre los usuarios y no usuarios de servicios de dinero

móvil. Sin embargo, se observan algunas diferencias. Los hogares que utilizan dinero

móvil son más propensos a ser cabeza de hombre. Los datos desglosados por la

encuesta dos redondos también demuestra que los hogares más grandes y con mejor

educada jefas de hogar son más propensos a usar dinero móvil.

(c) determinantes del uso de dinero móvil

Resultados de la estimación del modelo probit explicada en la ecuación (1) que varias

variables resultan para ser determinantes del uso de dinero móvil. Mientras que la

edad no juega un papel importante, el nivel educativo del dinero móvil doméstico

afecta a utilizar de una manera positiva. Cada año adicional de escolaridad aumenta la

probabilidad del uso de servicios de dinero móvil en 1,7 puntos porcentuales. Tamaño

de la familia también juega un papel importante; los hogares con más miembros son

más propensos a usar dinero móvil, que es como se esperaba. Además, los resultados

sugieren que riqueza procesada por tamaño de las granjas influye en la decisión

familiar.

Table 3. Determinants of mobile money use (probit e s t im a te s )

V a ria b le Marginal e ffe c ts Std. E rr . Age of household h ea d 0 .0 0 8 0 .0 0 7 Age s q ua re d -6 .8 E -0 5 5 .8 E -0 5 Education of household h ea d 0 .0 1 7 * * * 0 .0 0 4 Male household hea d 0 .0 2 7 0 .0 3 7 Household s iz e 0 .0 1 7 * * 0 .0 0 8 Land o w n e d 0 .0 2 3 * * 0 .0 1 0 Land s q ua re d -0 .0 0 1 * * 4 .5 7 2 E -0 4 Distance to banana m a r ke t 0 .0 0 1 0 .0 0 4 Distance to all-weather roa d 0 .0 0 3 0 .0 0 4 High-potential a rea -0 .0 0 8 0 .0 2 9 Percentage of village households with mobile p h o n e 0 .0 0 8 * * * 0 .0 0 1 2010 d u m m y 0 .3 1 7 * * * 0 .0 2 8 Model sta tistics Pseudo R 2

0 .2 8 3

LR/Wald χ 2 1 3 9 .4 9 * * *

Log like lih o o d -3 9 3 .2 9

**,*** significant at the 5% and 1% level, res p e c tiv e ly .

El porcentaje de hogares que poseer un teléfono móvil a nivel de la aldea tiene un

efecto positivo sobre dinero móvil uso del hogar individual. El año 2010 ficticio

también es altamente significativo, demostrando que – independientemente de otras

variables incluidas en el modelo – el uso de servicios de dinero móvil ha aumentado

rápidamente en Kenia. Como se mencionó anteriormente, en 2010 ya el 91% de los

hogares de la muestra utilizado dinero móvil.

(d) impacto de dinero móvil en uso entrada

En la sección 2, presumimos que dinero móvil servicios pueden aumentar el uso de

insumos agrícolas a través de diversos canales. Ponemos a prueba esta hipótesis para

contratar mano de obra, fertilizantes orgánicos y minerales y pesticidas químicos, que

son utilizados por muchos agricultores de la muestra en su cultivo de plátano. En el

cuadro 6 se muestran los resultados de estimación. Las especificaciones de FE

confirman que dinero móvil tiene un efecto positivo y significativo para todos de estos

insumos, excepto abonos minerales.

Tabla 6. Determinantes de la entrada uso en la producción bananera Hired labor Organic fertilizer Mineral fertilizer P esticid e s

Variable (1 )

F E

(2 ) R E

(3 ) F E

(4 ) R E

(5 ) F E

(6 ) R E

(7 ) F E

(8 ) R E

Mobile money 4 .1 2 2 * *

(1 .9 7 8 )

2010 dummy 5 .7 0 6 * * *

0.810 (1 .2 7 8 )

6 .7 5 1 * * *

2 .5 0 2 * * (1 .2 3 5 )

2 .4 7 1 * * *

1.267* (0 .7 6 0 )

2 .8 6 1 * * *

-1.640 (1.1 4 7 )

6 .11 8 * * *

0.503 (0 .7 3 7 )

5 .4 4 2 * * *

1.212* (0 .6 2 8 )

2 .3 8 8 * * *

0.482 (0 .4 0 3 )

2 .6 1 8 * * * (1 .11 1 )

A ge

(1 .0 0 5 ) -3 .0 E -0 4 (0 .0 4 3 )

(0 .6 9 4 ) (0 .6 2 2 )

-0.024 (0 .0 2 4 )

(0 .6 4 4 ) (0 .5 8 3 )

-0.016 (0.0 2 4 )

(0 .3 5 3 ) (0 .3 1 9 ) -0 .0 2 9 * * (0 .0 1 3 )

E d u ca t ion -0.017 (0 .1 4 7 ) -0.017 (0 .0 8 6 ) -0.051 (0.0 8 5 ) -0.035 (0.0 4 7 ) Male h ead

1.308 (1 .3 9 0 )

0.759 (0 .8 1 3 )

1 .5 9 0 * * (0 .8 0 9 )

1 .0 8 7 * * (0 .4 4 2 )

Household s ize -0.230 (0 .2 5 8 ) -0.063 (0 .1 5 0 ) 0.079 (0 .1 5 0 ) 1.E-04 (0 .0 8 2 )

Land ow n ed

-0. 004 (0.1 7 7 )

0. 188* (0 .1 0 4 ) 0 .5 1 0 * * *

(0 .1 0 3 ) 0. 3 0 5 * * *

(0 .0 5 6 )

Distance to m a rk e t -0.033 (0 .1 4 3 ) -0.112 (0 .0 8 4 ) 0.058 (0 .0 8 3 ) -0.022 (0.0 4 6 )

Distance to road -0.010 (0. 136) 0 .1 6 7 * *

(0 .0 7 9 )

0.105 (0. 079) 0.054 (0. 0 4 3 )

High-potential area 0.467 (1.034) 0.731 (0.604) 1 .4 4 9 * *

(0 .6 0 2 )

0.436 (0 .3 2 9 )

In te rcep t -0 .4 4 2 -1.595 (3 .7 7 1 ) -0 .2 2 3 -0.587 (2 .2 0 6 ) 1 .8 4 6 * * (0 .7 8 1 )

-2.880 (2.1 9 4 ) -0.460 (0.9 9 2 ) -0.276 (1.1 9 8 )

Model s tatis tic s

LR/Wald χ 2 5 9 .9 7 * * * 4 8 .3 4 * * * 1 4 9 .9 9 * * * 1 3 3 .9 1 * * *

F va lu e

Hausman, χ 2

3 1 .2 0 * * *

4 .7 6 *

1 8 .1 8 * * *

1 .6 1

56.23 * * *

5 .5 9 *

4 6 .8 6 * * *

2 .2 9

Notes: Estimates are based on balanced panel regressions with 640 observations and 320 groups. All dependent variables are measured in thousand Ksh per acre. C oe ff icien t estimates can be interpreted as marginal effects; standard errors are shown in p a ren th e se s . *,**,*** significant at the 10%, 5%, and 1% level, re sp ective ly.

INTERPRETACIÓN

La investigación anterior había documentado la rápida difusión de servicios de dinero

móvil basado en los países en desarrollo. Los estudios también sugieren que esto

puede tener efectos positivos especialmente para los pobres en las zonas rurales que

son a menudo poco atendidas por el sistema bancario tradicional. En nuestro trabajo,

hemos contribuido a la literatura mediante el análisis de los impactos del uso de

dinero móvil sobre los ingresos de los hogares agrícolas pequeños, que no se había

hecho anteriormente. Además, hemos examinado las vías posibles repercusiones

analizando la influencia de las remesas recibidas, las transacciones en mercados salida

e insumo agrícola y las ganancias de la granja. El análisis empírico se ha concentrado

en el cultivo de plátano hogares en Kenia, donde los servicios de dinero móvil han

extendido ampliamente en los últimos años. Datos de la encuesta panel fue recogidos

y utilizados para el análisis.

Los resultados muestran que el uso de dinero móvil tiene un impacto neto positivo y

grande en bienestar de los hogares, aumentando el ingreso total en un 40% en

promedio. Una vía importante impacto parece ser a través de las remesas, que se han

incrementado en un 66%. En comparación con los tradicionales mecanismos formales

e informales de transferencia de dinero entre sus familiares y amigos, servicios de

dinero móvil reducen sustancialmente los costos de transacción.